面向智慧交管的道路交通事故责任智能化在线快速划分方法

作者：黄钢; 李平凡; 高岩; 孙川

来源：安全与环境学报, 2022, 1-13.

DOI：10.13637/j.issn.1009-6094.2021.2231

• 公共安全
• 道路交通安全
• 机器学习
• 高效梯度提升决策树
• 事故责任认定

为了提高智慧交管建设水平，提升执法效率、降低执法成本，为交管部门公平公正的快速处理事故提供参考，本文对交通事故中当事人责任智能快速划分进行研究。首先，使用Pearson相关系数来计算全部特征与事故责任的相关系数，挑选出与事故责任划分高度相关的数据特征；其次，基于道路交通事故数据及挑选出与事故责任划分明显相关的10个因素为评价指标，使用高效梯度提升决策树算法（XGBoost）对事故责任进行建模预测，结果相对准确，为78.9%，但存在模型对缺失样本的分裂方向的处理能力有限及模型过拟合问题；最后，通过参数优化和模型融合方法对XGBoost算法进行优化，解决了原始XGBoost算法在对大量缺失值的分裂方向学习能力有限的问题，并与原始的XGBoost算法进行比较，完成了对道路交通事故责任快速认定模型的全面优化与验证。研究结果表明：优化后的算法能有效的自动学习出缺失样本的分裂方向，应用融合后的分类模型对全部数据集进行拟合，发现缺失值的处理率已提升至94.8%，处理率提升了50%，缺失样本的分裂方向通过模型融合基本全部得到有效学习，预测结果对比原始算法准确度提升8.3%，提升至87.2%，交叉验证结果也表明该算法在交通事故责任智能认定中的适用性。研究结果可较好提升我国智慧交管的建设，为交管部门对于交通事故的责任划分提供更加智能和科学的工具，助推公安部道路交通事故处置改革试点工作的落地应用推行。

• 单位
  公安部交通管理科学研究所; 清华大学; 土木与环境工程系